美国SEER登记处原发性皮肤T细胞淋巴瘤和伯基特淋巴瘤患者中败血症死亡风险增加研究的补充材料
该数据集包含基于美国SEER登记处的临床表格数据，主要涉及原发性皮肤T细胞淋巴瘤（CTCL）患者中败血症死亡与非败血症死亡的比较分析、各淋巴瘤亚型患者数量及死亡病例统计，用于支持淋巴瘤患者败血症风险及种族差异的流行病学研究，为临床预后和公共卫生政策提供数据依据。
基本信息
资源简介
美国SEER登记处原发性皮肤T细胞淋巴瘤和伯基特淋巴瘤患者中败血症死亡风险增加研究的补充材料
【数据集背景】
本数据集源站标题为《Supplemental Materials for "Increased risk of sepsis-caused death in Black patients with primary cutaneous T-cell lymphoma and Burkitt lymphoma: A population study of the US SEER registry》。源站首次发布：2023-08-22。
【数据内容】
源站原始描述：Supplemental Figure 1. Flowchart of the study. Results of univariate comparison analyses between sepsis deaths and non-sepsis deaths among CTCL patients or between CTCL sepsis deaths and non-CTCL NHL sepsis deaths were shown in Table 1. SEER, Surveillance, Epidemiology, and End Results; NHL, non-Hodgkin lymphoma; ICD-O, International Classification of Diseases for Oncology; CTCL, cutaneous T-cell lymphoma; MF, Mycosis fungoides; PC-ALCL, Primary cutaneous anaplastic large cell lymphoma; SS, Seza…
【数据结构与技术规格】
文件数 2 个，合计 506.39 KB。数据集 DOI：10.17632/bf934g5cdm.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/bf934g5cdm
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://data.mendeley.com/datasets/bf934g5cdm
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
该数据集是医学研究论文的补充材料，基于美国SEER（Surveillance, Epidemiology, and End Results）登记处的真实世界数据。数据集包含原发性皮肤T细胞淋巴瘤（CTCL）患者中败血症死亡与非败血症死亡的比较分析，以及CTCL败血症死亡与其他非霍奇金淋巴瘤（NHL）败血症死亡的对比结果。具体内容包括研究流程图、单变量分析表、各亚型患者数量及败血症死亡病例统计等临床表格数据。该数据集主要用于支持淋巴瘤患者败血症风险及种族差异的流行病学研究，为临床预后评估和公共卫生决策提供数据支持。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
